Lead Software Engineer - AI/ML - AI Agent Platform

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Lead-инженер в команду Enterprise Technology, AI and Machine Learning & Data Platforms. Отвечает за технический дизайн и поставку SDK и платформы AI-агентов: оркестрация, tool calling, RAG, голосовые и документные агенты, агентная память.

Задачи

• Руководить end-to-end поставкой SDK и фреймворков AI Agent Platform — от постановки задачи и технического дизайна до продакшн-деплоя, масштабирования и мониторинга
• Владеть ключевыми сервисами платформы: оркестрация агентов, tool/function calling, RAG-пайплайны, интеграция с model serving
• Развивать модальности агентов: голосовые агенты (STT, TTS, low-latency streaming, turn-taking), агенты извлечения данных из документов (парсинг, OCR, извлечение полей и таблиц), агентная память (краткосрочная и долгосрочная, персистентность, retrieval, управление контекстом между сессиями)
• Системно улучшать ключевые возможности агентов — NL2SQL, RAG, голос, извлечение из документов, tool use — через датасеты для оценки, бенчмарки и метрики качества, итерации по промптам, retrieval и оркестрации
• Устанавливать инженерные стандарты через системный дизайн, код-ревью и менторство для повышения надёжности, поддерживаемости, latency и developer experience
• Строить и внедрять evaluation, тестирование и observability: offline eval harnesses, регрессионные наборы, трейсинг, телеметрия latency и стоимости, логи и аналитика
• Реализовывать паттерны безопасности и governance: guardrails, фильтрация контента, защита от prompt injection, контроль доступа, аудируемые операционные практики
• Работать с product-менеджерами и стейкхолдерами над роадмапом, метриками успеха (точность, adoption, task completion, качество) и приоритизацией
• Обеспечивать кросс-функциональное согласование с engineering, data, security и risk-партнёрами для безопасности, стабильности, производительности и масштабируемости платформы
• Готовить техническую документацию, SDK-референсы, референсные реализации и материалы для ускорения адопшена

Требования

• Формальное обучение или сертификация по прикладному AI/ML и 5+ лет прикладного опыта
• Продвинутое владение Python и сильные основы software engineering: тестирование, паттерны проектирования, version control, код-ревью
• Практический опыт создания, оценки и деплоя ML или LLM-систем в продакшн — желательно переиспользуемых библиотек, SDK или платформенных сервисов для других команд
• Практический опыт prompt engineering и RAG, включая построение методов оценки, бенчмарков и измерения качества для системного улучшения NL2SQL и RAG
• Опыт проектирования и эксплуатации надёжных сервисов: готовность к инцидентам, тюнинг производительности, операционная стабильность data-intensive систем
• Способность вести технические решения и достигать результата в условиях неопределённости, балансируя скорость, риски и долгосрочную поддерживаемость
• Сильные коммуникативные навыки, умение объяснять технические trade-off техническим и нетехническим стейкхолдерам

Условия

• Конкурентный total rewards package: базовая зарплата в зависимости от роли, опыта, навыков и локации
• Возможны комиссионные выплаты и/или дискреционная incentive compensation в виде кэша и/или акций с вестингом
• Комплексное медицинское страхование, on-site центры здоровья и велнеса
• Пенсионный сберегательный план, backup childcare, компенсация обучения, поддержка ментального здоровья, финансовый коучинг
• Равные возможности трудоустройства, поддержка разнообразия и инклюзии, разумные accommodations

Навыки

• Python
• LLM
• AI agents
• agent orchestration
• tool/function calling
• RAG
• NL2SQL
• prompt engineering
• speech-to-text
• text-to-speech
• OCR
• document extraction
• agentic memory
• vector databases
• embeddings
• LangGraph
• LlamaIndex
• Google ADK
• Docker
• Kubernetes
• CI/CD
• AWS
• Databricks
• observability
• evaluation harnesses